Förbättra prestanda för din kategoriklassificeringsmodell
Om din modellprestanda inte motsvarar dina förväntningar finns det några saker du kan prova. De här tipsen kan hjälpa dig att justera din modell för att förbättra dess förutsägande förmåga.
Lägg till mer korrekt märkta träningsdata
Ju mer korrekt märkta träningsdata du har, desto bättre kommer din modell att prestera. Vi använder oss här av en Ja/nej-etikett. Om de flesta av dina data bara har ett Ja i den här kolumnen kommer AI-modellen förmodligen inte att lära sig mycket från dessa data. Om dina data inte har korrekt märkning kommer modellen troligen inte att lära sig så bra. Det är idealiskt att börja med en mindre uppsättning med korrekt märkta exempel – kanske 100 eller mindre. Därifrån kan du fortsätta att dubblera antalet exempel iterativt och återträna varje gång och notera prestandaförändringen. Generellt sett är mer data bättre, men vinsten med att lägga till data minskar ju större datauppsättningen blir.
Fler tips
- Se till att du har balanserat användningen av taggar i dina träningsdata. Exempel: Du har fyra taggar för 100 textobjekt. De två första taggarna (tag1 och tag2) används för 90 textobjekt, men de andra två (tag3 och tag4) används endast för de återstående 10 textobjekten. Bristen på en balans kan leda till att modellen får problem med att förutse tag3 eller tag4.
- Se till att du tränar modellen med data som liknar det som du förväntar dig att använda modellen för.
Gå vidare
Publicera din kategoriklassificeringsmodell